基于差分算法的异构无线传感器网络多重覆盖节点调度方案

针对部署区域中存在多个不同覆盖质量需求的目标,本文提出一种基于多重覆盖算法的异构节点调度机制。该算法在满足区域覆盖要求和重点区域监测目标多重覆盖的要求,及节点能量的约束条件下,以网络的有效覆盖率最大和工作节点数目最少为目标,借助改进的差分算法来对节点状态进行优化达到提高网络覆盖性能和降低网络能耗的目的。仿真结果显示,本文的算法在满足热点目标监测要求的前提下,最大限度地兼顾网络的区域覆盖质量,减少了网络的能耗;较之随机调度算法,本文算法在覆盖率和网络能耗方面优于后者。     

基于遗传算法的能量均衡覆盖控制策略

研究优化网络通信、延长网络寿命问题,由于无线传感器网络中覆盖率、工作节点数和能耗均衡互相矛盾。为了选择最优覆盖节点集基础上,同时考虑网络区域能耗的均衡特点,提出一种遗传算法的能量均衡覆盖控制策略。构建概率感知模型网络,定义一个能耗均衡系数用以表示网络能耗均衡程度,以覆盖率、工作节点数和网络能耗均衡系数为优化目标,然后利用遗传算法进行仿真。仿真结果表明,覆盖控制策略能够在达到较高覆盖率的同时,有效降低能耗并保证网络能量均衡,从而延长网络生存时间。     

改进双边滤波与平均 γ 矫正的图像增强

为了提高无线传感器网络节点覆盖率,均衡能量利用,提出一种基于动态分级蝴蝶优化算法的节点部署策略。为了提高传统蝴蝶优化算法的寻优精度和速度,引入混沌映射进行种群初始化,确保种群多样性;采用动态分级策略,根据种群个体适应度,将种群划分为差质、中等和优质三种等级,并分别利用黄金正弦变异、惯性权重位置更新和精英引导对三类种群优化,提高算法收敛速度,增强摆脱局部极值的能力。应用动态分级蝴蝶优化算法求解传感器节点覆盖优化问题,将融合覆盖率、能量均衡和节点闲置率的目标函数作为适应度函数,对节点部署位置迭代寻优。实验表明,改进蝴蝶优化算法能够有效实现节点优化部署,提高网络覆盖率,以均衡的能量使用,提升网络生存时间。     

混沌优化细菌觅食算法的传感器节点部署策略

为了增加节点的有效覆盖率,设计一种混沌优化细菌觅食的节点部署策略.首先使用节点有效覆盖率、节点闲置率和剩余能量均衡函数作为优化因子构造目标函数综合优化模型.在优化阶段,设置菌群密度函数因子、细菌碰壁反弹因子、混沌扰动的趋向序列、动态趋向步长、菌群交叉和变异算子及动态细菌迁徙概率等机制改进细菌觅食算法以提升优化效率.仿真实验表明,使用改进后的混沌细菌觅食优化策略能够有效优化无线传感器网络的节点覆盖,使优化后的无线传感器网络具有更高的网络综合利用率及更长的监测寿命.     

WSNs能量异构节点部署与区域覆盖优化

针对无线传感器网络（WSNs）的热点区域问题所导致的节点能量异构、能量空洞等问题,对网络进行重新部署以满足区域覆盖的要求。建立WSNs能量异构节点区域覆盖优化模型,以网络覆盖率为目标函数,节点位置作为决策变量,采用差分进化算法优化该目标,同时获得各节点的最佳位置。仿真实验表明：该模型能充分调度各节点的剩余能量,对热区问题导致的能量空洞进行重新部署,该策略能够延长网络的生命周期,提高网络的可靠性。     

基于差分算法的无线传感器网络路由分簇协议

针对异构无线传感器网络分簇路由协议存在节点能耗不均衡问题,提出一种基于差分进化算法的路由协议及基于节点能耗的分簇协议。该协议首先以最大化网络中簇头节点的最小生存周期为目标,建立函数优化模型,并采用差分进化算法对其进行优化,从而延长网络整体的生存周期;然后根据节点通信列表中的簇头数目进行分簇,将节点分配给能耗因子较低的簇头,以达到均衡网络能耗的目的,延长普通节点的生存周期。仿真结果表明,基于差分的路由分簇协议能有效均衡网络中节点的能量消耗,显著延长网络的生存周期并提高网络能量利用率。     

SHADE算法在无线传感器网络节点分布优化的应用

为了提高无线传感器网络覆盖率,减少目标区域覆盖盲区,采用基于历史成功的自适应参数差分进化(SHADE)算法对节点分布进行优化,制定节点优化方案。以网络覆盖率为优化目标函数,建立联合概率模型,采用SHADE算法对目标函数进行求解。SHADE使用了控制参数设置的历史记忆来指导未来控制参数值的选择,确保了精确和快速收敛到全局最优,增强了算法鲁棒性。通过与差分进化算法和人工蜂群差分进化算法进行仿真对比,验证了SHADE算法能够快速收敛,网络覆盖率高。仿真结果表明,在500次模拟情况下,SHADE算法的平均覆盖率分别高于差分进化算法5.17%、人工蜂群差分进化算法1.88%。     

差分进化优化的非均匀分簇算法

针对固态发酵无线测温系统中传感器节点位置、能量等受限因素导致能量消耗不均而过早死亡的问题,提出了一种基于差分进化改进的非均匀分簇算法。该算法省去了LEACH协议中每轮频繁选簇的机制,而是从系统的稳定性出发,一次性选择固定数目的簇首,采用差分进化算法优化节点覆盖率。同时,采用能量差异化匹配策略,合理地分配簇首节点与普通测温节点的初始能量,延长网络寿命。仿真结果表明,该算法有效改善了“热区”问题,均衡了能耗,在一定程度上延长了网络的生命周期。     

改进的无线传感器网络覆盖区域节点调度算法

节能覆盖对于提高无线传感器网络的性能有着重要的意义.针对当前传感器网络的算法中存在的热区问题,提出一种在传感器网络非均匀分布部署下的基于能量预测的节点覆盖调度算法.该算法首先对网络中的节点进行非均匀部署,离基站距离较近区域部署的节点密度较大,而较远的密度小,然后综合考虑节点覆盖效率和能量消耗进行节点调度,从而使能量消耗更加均衡,最后对该算法进行了仿真实验和性能分析.仿真结果表明与当前经典的覆盖节点调度算法相比,该算法提高网络覆盖率、降低了网络能耗,且网络生命周期也相应的延长,能够保证网络内大多数节点达到能耗均衡.     

基于空间分辨率的无线传感网节点调度策略

节点调度策略是解决无线传感器网络(WSN)能量受限和覆盖高度冗余的一种有效方法,但在节能的同时又必须满足覆盖率的需求。针对随机调度中的能量消耗不均衡且使用不合理等问题,提出一种基于空间分辨率的节点调度策略。该策略通过控制区域中的活动节点数来保障网络的覆盖率要求,并利用剩余能量来均衡化各节点的能耗。同时借助邻居节点保障机制,一方面关闭休眠节点的实时监听,减少不合理的能耗;另一方面缓解节点轮休时可能出现的覆盖漏洞问题,有效保障网络覆盖率。仿真结果表明,该策略在网络覆盖率、生存期以及节点间的能耗均衡度等方面的性能表现优于Gur Game等调度算法。     

无线传感器网络动态节点选择优化策略

无线传感器网络的能耗和有效覆盖率是衡量其性能的两个重要指标.无线传感器网络动态节点选择优化策略通过合理配置各无线传感器节点状态,平衡网络能耗和有效覆盖率,提高网络能效性,延长网络寿命.提出一种结合了Hopfield网络与遗传算法的动态节点选择优化策略,简称为HN-GA.该策略通过遗传算法实现全局搜索,采用Hopfield网络缩小遗传算法的搜索范围,保证遗传算法中每个基因对应待选解的有效性,并针对动态节点选择优化提出一种基于无线传感器网络能耗、寿命和有效覆盖率的综合指标.仿真实验表明,HN-GA算法能有效完成无线传感器网络动态节点选择优化,并在确保网络有效覆盖率的前提下,通过动态配置各无线传感器节点状态,降低网络能耗,延长网络寿命.与遗传算法和Hopfield网络相比,HN-GA算法不仅全局搜索能力强,且收敛速度快、耗时少.     

基于演化LSTM神经网络的用户终端睡眠预测模型

用户处于睡眠状态时手机后台自主挂起不必要的系统或应用进程可以有效降低能耗, 因此在不损害用户使用体验的前提下准确判断用户是否处于睡眠状态具有重要意义. 围绕该问题设计了覆盖率和唤醒率作为新的衡量指标, 提出一种基于LSTM神经网络的睡眠预测模型, 结合LSTM神经网络能够较好处理时序特征数据的特点和演化算法能够优化不可导目标函数的特性, 将LSTM神经网络的参数作为差分演化算法的优化参数, 覆盖率和唤醒率的综合目标作为选择函数, 同时在每次迭代中重新评估选择函数使其适应小批量训练法. 实验结果表明, 采用演化算法训练LSTM神经网络得到的预测结果相较于传统分类模型能在低唤醒率时达到更好的覆盖率, 平均提升约5%.     

泊松分布下无线传感器网络多目标覆盖控制

针对无线传感器网络中〖WTBX〗k〖WTBZ〗重覆盖率、能耗、可靠性难以协调的问题,在节点呈泊松分布的假设下,提出了多目标优化的覆盖控制。针对多目标差分进化算法在种群初始化、参数控制和种群维护中的不足,分别设计了种群正交初始化、参数自适应控制和动态种群维护策略,提出了改进的多目标差分进化(I-DEMO)算法对模型进行求解。仿真结果表明,该控制策略能够在达到81.2%的3重覆盖率的同时有效降低能耗并保障可靠性,I-DEMO可以支配传统算法76%的Pareto前沿。该算法同样适用于求解其他多目标问题。     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。